Che cos'è la governance dei dati?

La governance dei dati è una metodologia che garantisce che i dati siano nelle condizioni adeguate per supportare le iniziative e le operazioni aziendali. L'allineamento della governance dei dati alle iniziative aziendali presenta molti vantaggi.

  • Giustifica i finanziamenti per il programma di governance dei dati
  • Motiva la partecipazione delle comunità imprenditoriali
  • Promuove la priorità delle attività di governance dei dati
  • Determina il livello di integrazione dei dati richiesto nelle aree aziendali partecipanti
  • Aiuta a determinare il giusto modello operativo, in particolare il livello di centralizzazione e decentralizzazione richiesto.

Perché la governance dei dati è importante?

Secondo Gartner, entro il 2025, l'80% delle organizzazioni che cercano di scalare il business digitale falliranno perché non adotteranno un approccio moderno alla governance dei dati e dell'analisi. Non sorprende che i Chief Data Officer identifichino la governance dei dati come una priorità assoluta per le loro iniziative in materia di dati. In un sondaggio del 2023 su 350 CDO e ruoli equivalenti a CDO, il MIT CDOIQ ha rilevato che il 45% dei Chief Data Officer identifica la governance dei dati come una priorità assoluta. Questi responsabili dei dati stanno cercando di mettere in atto un modello di governance che consenta loro di rendere i dati disponibili alle persone e alle applicazioni giuste quando ne hanno bisogno, mantenendoli sicuri e protetti, con controlli appropriati. 

La governance è stata storicamente utilizzata per bloccare i dati in silo, con l'obiettivo di prevenirne la perdita o l'uso. Tuttavia, la conseguenza dei silo di dati è che gli utenti legittimi devono superare certe barriere per accedere ai dati quando ne hanno bisogno. Senza volerlo, l'innovazione basata sui dati viene soffocata.

Hai due opzioni per rendere la governance un fattore abilitante dell'innovazione: accesso e controllo. La chiave del successo è trovare il giusto equilibrio tra accesso e controllo e il punto di equilibrio è diverso per ogni organizzazione. Quando si esercita un controllo eccessivo, i dati vengono bloccati in silo e gli utenti non sono in grado di accedervi quando ne hanno bisogno. Questo non solo blocca la creatività, ma porta anche alla creazione di sistemi IT shadow che lasciano i dati obsoleti e non protetti. D'altra parte, quando si fornisce un accesso troppo permissivo, i dati finiscono in applicazioni e archivi che ne aumentano il rischio di perdita.

Stabilire la giusta governance, che bilanci accesso e controllo, dà alle persone fiducia nei dati promuovendo l'individuazione, la cura, la protezione e la condivisione appropriate. Ciò incoraggia l'innovazione, salvaguardando al contempo i dati.

Cos'è la governance dell'analisi?

La governance dell'analisi regola sia i dati da utilizzare nelle applicazioni di analisi, sia l'uso dei sistemi di analisi. Il tuo team di governance dell'analisi può stabilire meccanismi di governance, come il controllo delle versioni e la documentazione dei report di analisi. Come sempre, tieni traccia dei requisiti normativi, stabilisci la politica aziendale e fornisci guardrail all'organizzazione generale.

Cos'è la governance del machine learning (ML)?

La governance ML applica molte delle stesse pratiche di governance dei dati al ML. La qualità e l'integrazione dei dati devono fornire i dati necessari per la formazione dei modelli e l'implementazione della produzione (gli archivi funzionalità sono un aspetto importante). L'intelligenza artificiale (IA) responsabile sta prestando particolare attenzione all'utilizzo di dati sensibili per la creazione di modelli. Le funzionalità aggiuntive di governance del machine learning includono la possibilità di partecipare alla creazione, all'implementazione e al monitoraggio dei modelli, la documentazione della formazione dei modelli, il controllo delle versioni, i casi d'uso supportati e la guida all'uso etico dei modelli e il monitoraggio del modello in produzione per verificarne l'accuratezza, la deriva, il sovraadattamento e l'inadeguamento.

L'IA generativa richiede funzionalità di governance dei dati aggiuntive, come la qualità e l'integrità dei dati per supportare l'adattamento dei modelli di base per la formazione e l'inferenza, la gestione della tossicità e dei pregiudizi dell'IA generativa e le operazioni del modello di fondazione (FM): FMOps.

Puoi supportare IA/ML con lo stesso programma di governance dei dati. La preparazione dei dati è necessaria per trasformare i dati in una forma utilizzabile dai modelli IA/ML per la formazione e l'inferenza della produzione, ma la preparazione più efficiente dei dati è quella che non è necessario eseguire. I data scientist dedicano troppo tempo alla preparazione dei dati per ogni caso d'uso: il tuo team di governance dei dati può aiutarti ad alleviare questo oneroso lavoro indifferenziato. Inoltre, la governance dei dati può supervisionare la creazione di archivi funzionalità sagomati da utilizzare in casi d'uso di IA e ML.

Infine, i dati sensibili devono essere protetti in modo appropriato, in modo che il tuo team possa mitigare i rischi che i dati sensibili vengano utilizzati per addestrare i modelli di base.

Proprio come l'analisi in generale, devi governare l'uso dei modelli IA/ML che crei o personalizzi. Idealmente, questo dovrebbe essere strettamente associato alla governance dell'analisi, perché quella funzione saprà supportare varie aree aziendali.

Quali sono le principali sfide della governance dei dati?

La sfida strategica più comune per la governance dei dati è allineare il programma alle iniziative aziendali anziché proporre direttamente il valore della governance dei dati. Ad esempio, potresti proporre il valore di rendere più facile per gli utenti finali trovare i dati che stanno cercando oppure potresti proporre il valore della risoluzione dei problemi di qualità dei dati. Ma queste sono soluzioni alla ricerca di un problema. Se lo fai in questo modo, finirai per competere per finanziamenti e sponsorizzazioni con iniziative commerciali che dovresti sostenere. Posiziona invece la governance dei dati per supportare le iniziative aziendali. Tutte le principali iniziative aziendali richiedono dati. La governance dei dati dovrebbe garantire che i dati siano nelle condizioni giuste per supportare il successo delle iniziative aziendali. Non trascurare le pratiche di reporting e controllo su come la governance dei dati supporta queste iniziative.

Un'altra sfida strategica comune per la governance dei dati consiste nell'evitare di applicare la governance dei dati in modo troppo restrittivo. Una definizione troppo restrittiva potrebbe essere quella di allineare il programma alle singole aree aziendali o ai singoli casi d'uso senza avere una visione più ampia delle aree aziendali. Una definizione ristretta potrebbe anche significare definire la governance dei dati mediante solo una o due funzionalità di governance dei dati. Ad esempio, disporre di un catalogo di dati non costituisce un programma di governance dei dati.

Quali sono gli stili di governance dei dati?

Il tuo programma di governance dei dati dovrebbe bilanciare centralizzazione e decentralizzazione (incluso il self-service). In tutta la tua organizzazione, disporrai di un mix di governance centralizzata, federata e decentralizzata, a seconda dei requisiti aziendali. Dovresti potenziare il più possibile i team di dominio mantenendo la coerenza tra i domini (ad esempio la capacità di collegare i dati tra loro).  

  • Governance centralizzata dei dati: le organizzazioni centrali sono in ultima analisi responsabili delle dichiarazioni di intenti, delle politiche, delle scelte degli strumenti e altro ancora. Le azioni quotidiane vengono spesso inserite nelle linee di business (LOB).
  • Governance dei dati federata: la governance dei dati federata consente alle singole unità aziendali o alle iniziative aziendali di operare nel modo più adatto alle loro esigenze. Con la governance dei dati federata, esiste ancora un team centralizzato più piccolo che concentra il proprio lavoro sulla risoluzione dei problemi che si ripetono più frequentemente, ad esempio includendo gli strumenti di qualità dei dati a livello aziendale.
  • Governance dei dati self-service o decentralizzata: ogni LOB fa ciò di cui ha bisogno per il proprio progetto specifico. Ogni progetto utilizza qualsiasi strumento o processo di altri progetti in cui è adatto all'uso. Man mano che argomenti come la data mesh (a sua volta decentralizzata) aumentano di popolarità, aumenta anche la governance dei dati self-service. 

Chi crea la governance dei dati?

La creazione di un programma di governance dei dati incentrato sul business richiede molte funzioni di processo.

  • Gli sponsor esecutivi comprendono molte iniziative aziendali sulla roadmap aziendale e possono aiutare a determinare le priorità per il supporto della governance dei dati.
  • Gli amministratori dei dati provengono dall'azienda e sono coinvolti quotidianamente nei dettagli dei progetti. Aiutano a comprendere i problemi relativi ai dati che potrebbero causare problemi con iniziative aziendali mirate.
  • I proprietari dei dati stabiliscono le policy relative ai dati, tra cui chi deve avere accesso ai dati e in quali circostanze, come interpretare e applicare le normative e le definizioni dei termini chiave
  • I data engineer di solito provengono dal settore IT e forniscono strumenti che aiutano a proteggere i dati, gestirne la qualità, integrare i dati da una varietà di origini e trovare i dati giusti.

Come funziona la governance dei dati?

La governance dei dati richiede persone, processi e soluzioni tecnologiche in una vasta gamma di funzionalità.

Cura i dati su larga scala per limitare l'espansione incontrollata dei dati. Curare i dati su larga scala significa identificare e gestire le origini dati più preziose, inclusi database, data lake e data warehouse, in modo da limitare la proliferazione e la trasformazione degli asset di dati critici. Curare i dati significa anche garantire che i dati corretti siano precisi, aggiornati e privi di informazioni sensibili, in modo che gli utenti possano avere fiducia nelle decisioni basate sui dati e nelle applicazioni di alimentazione dei dati.

Funzionalità: gestione della qualità dei dati, integrazione dei dati e gestione dei dati master

Scopri e comprendi i tuoi dati nel contesto per accelerare le decisioni basate sui dati. Comprendere i dati nel contesto significa che tutti gli utenti possono scoprire e comprendere il significato dei propri dati in modo da poterli utilizzare con sicurezza per aumentare il valore aziendale. Con un catalogo dati centralizzato, i dati possono essere trovati facilmente, l'accesso può essere richiesto e i dati possono essere utilizzati per prendere decisioni aziendali.

Funzionalità: profilazione dei dati, derivazione dei dati e cataloghi di dati

Proteggi e condividi in modo sicuro i tuoi dati con controllo e sicurezza. Proteggere i dati significa essere in grado di trovare il giusto equilibrio tra privacy, sicurezza e accesso ai dati. È essenziale essere in grado di governare l'accesso ai dati oltre i confini dell'organizzazione, con strumenti intuitivi sia per gli utenti aziendali che per quelli di progettazione.

Funzionalità: ciclo di vita dei dati, conformità e sicurezza dei dati

Riduci i rischi aziendali e migliora la conformità normativa. Ridurre il rischio significa capire come vengono utilizzati i dati e da chi. I servizi AWS ti aiutano a monitorare e controllare l'accesso ai dati, incluso l'accesso tramite modelli ML, per contribuire a garantire la sicurezza dei dati e la conformità normativa. Il machine learning richiede anche la trasparenza del controllo per garantire un uso responsabile e una rendicontazione semplificata.

Funzionalità: controllo dell'utilizzo per dati e ML

Come puoi migliorare i tuoi team di governance dei dati?

La chiave per un efficace programma di governance dei dati è associarsi a iniziative aziendali già finanziate. Assicurati che il tuo team comprenda quali domini, origini ed elementi di dati sono necessari per supportare tali iniziative.

  • Crea una roadmap di governance dei dati che mostri il supporto per iniziative aziendali mirate. Quindi inizia a identificare la sovrapposizione di dati tra le iniziative aziendali scelte.
  • Identifica i casi d'uso delle applicazioni e della business intelligence che i dati devono supportare e alimentare, compresi i requisiti di aggiornamento e privacy.
  • Comprendi quali sono i dati adatti allo scopo per ogni iniziativa aziendale scelta.
  • Sostieni ed espandi il programma di governance dei dati incorporandolo nel modello operativo aziendale, in modo che la pianificazione e l'implementazione dei dati diventino una parte naturale del funzionamento dell'organizzazione.
  • Organizza la community di analisi per il self-service e la coerenza.
  • Supporta l'intelligenza artificiale (IA) e il machine learning (ML) con la governance dei dati e la governance del ML. Utilizza lo stesso programma di governance dei dati, ma estendilo agli archivi funzionalità e ai modelli ML.

Quali sono le offerte AWS per la governance dei dati?

Con la governance dei dati end-to-end su AWS, le organizzazioni hanno il controllo su dove si trovano i propri dati, chi vi ha accesso e cosa si può fare con essi in ogni fase del flusso di lavoro dei dati. La governance dei dati con AWS aiuta le organizzazioni ad accelerare le decisioni basate sui dati consentendo alle persone e alle applicazioni giuste di trovare, accedere e condividere i dati giusti in modo sicuro e protetto quando ne hanno bisogno. Puoi curare i dati automatizzando l'integrazione e la qualità dei dati per limitare la proliferazione dei dati. Puoi scoprire e comprendere i tuoi dati con cataloghi centralizzati che migliorano l'alfabetizzazione dei dati. Puoi proteggere i tuoi dati con autorizzazioni precise che ti consentono di condividere i dati con sicurezza. È possibile ridurre i rischi e migliorare la conformità normativa monitorando e verificando l'accesso ai dati.

  • Amazon DataZone: sblocca i dati oltre i confini dell'organizzazione con la governance integrata
  • AWS Glue: scopri, prepara e integra tutti i tuoi dati su qualsiasi scala
  • AWS Lake Formation: gestisci, proteggi e condividi dati a livello centrale per l'analisi e il machine learning
  • Amazon QuickSight ha unificato la business intelligence su vasta scala
  • Amazon SageMaker: costruisci, addestra e implementa modelli di machine learning per qualsiasi caso d'uso con infrastrutture, strumenti e flussi di lavoro completamente gestiti.
  • Pagina Web sulla governance ML
  • Amazon Bedrock: crea e scala applicazioni di IA generativa con modelli di fondazione (FM)
  • Amazon Macie: scopri e proteggi i dati sensibili su larga scala
  • Punti di accesso di Amazon Simple Storage Service (Amazon S3): archiviazione di oggetti costruita per recuperare qualsiasi quantità di dati da qualsiasi luogo.
  • Scambio dati su AWS: trova, iscriviti e utilizza facilmente dati di terze parti nel cloud
  • AWS Clean Rooms: crea camere bianche in pochi minuti per collaborare con i tuoi partner senza condividere dati grezzi
  • Master class AWS sulla governance dei dati: in che modo la governance dei dati può accelerare le iniziative aziendali? Come si possono utilizzare le funzionalità aziendali esistenti per elaborare il programma e i finanziamenti per la governance dei dati? In questo corso master on-demand, scopri come creare un programma di governance dei dati di successo e finanziato. I video della master class AWS sulla governance dei dati sono corredati di una cartella di lavoro con esercizi pratici.

Inizia a usare l'archiviazione di dati in AWS creando un account gratuito oggi stesso.

Passaggi successivi su AWS

Consulta ulteriori risorse correlate al prodotto
Ulteriori informazioni sui servizi di analisi di AWS 
Registrati per creare un account gratuito

Ottieni accesso istantaneo al Piano gratuito di AWS.

Registrati 
Inizia a lavorare nella console

Inizia subito a creare nella Console di gestione AWS.

Accedi